Could social robots facilitate children with autism spectrum disorders in learning distrust and deception?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Social robots have been increasingly involved in our daily lives and provide a new environment for children's growth. The current study aimed to examine how children with and without Autism Spectrum Disorders (ASD) learned complex social rules from a social robot through distrust and deception games. Twenty children with ASD between the ages of 5–8 and 20 typically-developing (TD) peers whose age and IQ were matched participated in distrust and deception tasks along with an interview about their perception of the human-likeness of the robot. The results demonstrated that: 1) children with ASD were slower to learn to and less likely to distrust and deceive a social robot than TD children and 2) children with ASD who perceived the robot to appear more human-like had more difficulty in learning to distrust the robot. Besides, by comparing to a previous study the results showed that children with ASD appeared to have more difficulty in learning to distrust a human compared to a robot, particularly in the early phase of learning. Overall, our study verified that social robots could facilitate children with ASD's learning of some social rules and showed that children's perception of the robot plays an important role in their social learning, which provides insights on robot design and its clinical applications in ASD intervention. • We examined how children with autism distrusted and deceived a social robot. • Children with autism show poorer distrust and deception performance than controls. • Perceived human-likeness of robot correlates with children's trust to robot. • Children with autism learn better to distrust a robot than a person.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle